Quintaesencia
Revista de Educación
ISSN
2076-5363
(en línea)
Quintaesencia (2026), vol. 17, Núm. 1, pp 54-63
DOI: https://doi.org/10.54943/rq.v17i1.795
54
Artículo original
La educación como escudo contra el desempleo: evidencia empírica del
distrito de Ascensión, Huancavelica
Education as a shield against unemployment: empirical evidence from
Ascensión, Huancavelica
Jorge Luis Anderson Esponda Quiñones 1, a
1 Escuela Profesional de Economía, Universidad Nacional de
Huancavelica
a ORCID: https://orcid.org/0009-0002-2868-9797
2018431018@unh.edu.pe
Resumen
El objetivo de esta investigación fue determinar la influencia del nivel educativo en el
desempleo en el distrito de Ascensión, Huancavelica, un territorio caracterizado por alta
vulnerabilidad socioeconómica y predominio del empleo informal. La metodología se
sustentó en un diseño no experimental y transversal, empleando un modelo de regresión
logística (LOGIT) aplicado a una muestra probabilística de 367 ciudadanos pertenecientes
a la Población Económicamente Activa, con datos recolectados durante el año 2023 en
zonas urbanas, específicamente en el centro de la ciudad. El nivel educativo fue medido a
partir de los años de escolarización formal y clasificado en cinco rangos: nivel inicial (0 a
3 años), nivel intermedio de primaria (4 a 6 años), nivel primaria (7 a 11 años), nivel
secundario (12 a 15 años) y nivel superior (más de 16 años). Los resultados del modelo
LOGIT evidenciaron una relación negativa y altamente significativa entre los años de
formación académica y la probabilidad de estar desempleado, confirmando que el capital
humano actúa como un factor protector directo frente al desempleo abierto, en
concordancia con la Teoría del Capital Humano. Sin embargo, este efecto protector debe
interpretarse con cautela, ya que el contexto regional sugiere que puede estar
enmascarando problemas de subempleo por cualificación o sobreeducación, derivados de
la desconexión entre una elevada dotación educativa y la limitada demanda de empleo
formal. Por lo tanto, la conclusión principal es que la educación es una condición
necesaria, pero insuficiente; se requiere una acción dual que combine la mejora urgente de
la calidad y pertinencia de la formación (Morales, 2021) con el fomento de la
diversificación productiva y la formalización económica, de modo que la inversión
educativa se refleje en empleos de mayor calidad y no únicamente en una reducción de la
tasa de desempleo abierta.
Abstract
The objective of this research was to determine the influence of educational attainment on
unemployment in the district of Ascensión, Huancavelica, a territory characterized by high
socioeconomic vulnerability and the predominance of informal employment. The
methodology was based on a non-experimental, cross-sectional design, using a logistic
regression model (LOGIT) applied to a probabilistic sample of 367 individuals belonging
to the Economically Active Population, with data collected during 2023 in urban areas,
specifically in the city center. Educational attainment was measured through years of
Magaly Ethel Campos Motta y Rosa Cecilia Gaita Iparraguirre
55
formal schooling and classified into five categories: initial level (0–3 years), intermediate
primary level (4–6 years), primary level (7–11 years), secondary level (12–15 years), and
higher education (more than 16 years). The LOGIT model results showed a negative and
highly significant relationship between years of academic training and the probability of
being unemployed, confirming that human capital acts as a direct protective factor against
open unemployment, in line with Human Capital Theory. However, this strong protective
effect must be interpreted with caution, as the regional context suggests that it may be
masking problems of qualification-based underemployment or overeducation, stemming
from the mismatch between high educational attainment and limited demand for formal
employment. Therefore, the main conclusion is that education is a necessary but
insufficient condition; a dual strategy is required that combines the urgent improvement
of the quality and relevance of education (Morales, 2021) with the promotion of productive
diversification and economic formalization, so that educational investment translates into
higher-quality jobs rather than merely a lower open unemployment rate.
INTRODUCCIÓN
El departamento de Huancavelica presenta un contexto socioeconómico particularmente vulnerable. Los
datos regionales muestran que la falta de empleo es identificada como uno de los problemas públicos
más importantes, junto con altos niveles de pobreza (INEI, 2023). El empleo informal es una
preocupación significativa, con tasas que se han incrementado en los últimos años, lo que podría estar
asociado a la falta de calificación adecuada del recurso humano (INEI, 2023). La realidad del distrito de
Ascensión, una de las zonas urbanas de la capital departamental, se inscribe en esta dinámica, donde las
brechas educativas y las limitadas oportunidades laborales podrían intensificar el fenómeno del
desempleo.
La relación entre el nivel educativo y la situación laboral, específicamente el desempleo, es un tema de
constante relevancia en la literatura económica y social a nivel global. Históricamente, se ha considerado
la educación como un mecanismo clave para aumentar la empleabilidad y mejorar la calidad del empleo
(Gaviria & Quingua, 2015). Sin embargo, el contexto actual de mercados laborales cada vez más
competitivo y cambiante, impulsado por crisis económicas y transformaciones tecnológicas, exige una
reevaluación de esta premisa, especialmente en contextos geográficos con desafíos socioeconómicos
marcados.
Diversos estudios recientes han explorado esta compleja interacción. Por ejemplo, en el contexto
peruano, investigaciones como la de Sánchez (2022) han concluido que la influencia de la educación en
la calidad del empleo depende de factores de conversión como el género y la condición de pobreza,
sugiriendo que la formación por sí sola no garantiza un buen puesto de trabajo. Angeloni (2021) enfatiza
que, a raíz de la pandemia, la empleabilidad de los jóvenes universitarios se vio desigualmente afectada,
observando que las carreras con mayor demanda digital experimentaron una resiliencia mayor frente al
desempleo, destacando la importancia de la especialización de alta demanda como amortiguador. En la
misma línea, se ha identificado que, a pesar del aumento en los niveles educativos, la asociación entre
el paro y los estudios ha crecido, lo que podría indicar una disociación entre la lógica del sistema
educativo y la lógica laboral (Funcas, 2023).
La literatura también enfatiza que los niveles formativos más bajos suelen quedar relegados, enfrentando
una creciente precariedad y menor empleabilidad (García, 2024). Caldera (2020) apoya esta tesis,
demostrando que el capital humano, medido por los años de escolaridad, tiene un impacto negativo
significativo en la probabilidad de estar desempleado, especialmente en economías en desarrollo, aunque
su efecto marginal se reduce en niveles de posgrado. Esta situación se agrava en segmentos específicos
de la población; un estudio en México encontró que, aunque los estudiantes perciben la escolaridad
como un factor positivo para su futuro laboral, persiste el argumento de que la educación no siempre
Los sistemas de ecuaciones lineales como instrumento de modelización en la secundaria
56
asegura un empleo, poniendo de manifiesto la complejidad de la realidad del mercado (Méndez & Rojas,
2022). Morales (2021) refuerza que la formación se convierte en el principal seguro contra el paro,
siendo esencial para reducir la proporción de trabajadores no cualificados, pero subraya que la calidad
de la formación es el factor diferenciador.
En el ámbito del desempleo juvenil, se ha determinado que el nivel educativo es un factor clave en la
inserción laboral. En España, por ejemplo, la formación se considera un factor determinante de la
empleabilidad, donde a menor nivel educativo, mayor es el impacto negativo de las crisis sobre las
posibilidades de obtener un puesto de trabajo y, a su vez, una mayor probabilidad de temporalidad y
menor salario (Ruiz & Torres, 2024). En este sentido, un análisis de la OCDE (2023) concluyó que la
adecuación de las habilidades es un problema creciente, incluso entre los graduados universitarios,
señalando que la falta de sintonía entre la currícula y las necesidades del mercado laboral contemporáneo
eleva el desempleo estructural en este grupo. Asimismo, la falta de adaptación de la formación
profesional a las demandas de la economía se presenta como una debilidad estructural que influye
directamente en el paro de este colectivo (García, 2024).
Un aspecto crucial que emerge de los estudios recientes es la necesidad de una formación flexible que
potencie la capacidad de adaptación. La rápida evolución de la economía global requiere una mano de
obra altamente cualificada y adaptable. López (2022) identifica que el desempleo en las zonas rurales y
semi-urbanas de Perú se correlaciona fuertemente con la calidad de la educación básica y técnica, más
que con la universitaria, sugiriendo que las brechas iniciales de capital humano limitan severamente las
trayectorias laborales futuras. Asimismo, un informe del Banco Mundial (2024) advierte que la
automatización y la inteligencia artificial desplazarán empleos de baja cualificación en los próximos
años, haciendo que la inversión en habilidades blandas y digitales sea crítica para la supervivencia
laboral.
La investigación sobre la desconexión entre la oferta educativa y la demanda laboral es fundamental.
Pérez (2023) encontró en países de América Latina que la sobreeducación, donde un individuo tiene
más credenciales que las requeridas para su puesto, está aumentando, lo que enmascara el desempleo al
reducir la productividad y los salarios en puestos subcalificados. Este fenómeno es exacerbado por la
baja calidad de las instituciones educativas, como lo documenta Mendiola (2020), quien argumenta que
la proliferación de universidades y escuelas técnicas de bajo estándar producen egresados con un título,
pero sin las competencias reales demandadas por el sector productivo. Por otra parte, Gómez (2021)
sostiene que la educación técnica (tecnológica) exhibe una mejor compensación a corto plazo con la
reducción del desempleo en sectores manufactureros y de servicios, comparada con la educación
universitaria tradicional, debido a la naturaleza práctica de sus egresados.
Finalmente, la dimensión de las políticas públicas es inseparable. Rodríguez (2024) evalúa el impacto
de programas de capacitación específicos en poblaciones vulnerables y concluye que la efectividad se
maximiza cuando la formación se articula con subsidios a la contratación y asesoría empresarial,
mitigando el desempleo de forma más directa que la inversión educativa genérica. El estudio de Cueva
(2022) en regiones andinas de Perú subraya la importancia de la educación bilingüe y culturalmente
relevante para acceder a empleos en el sector público o en proyectos de inversión, demostrando que la
falta de estas habilidades específicas actúa como una barrera de facto. Este conjunto de evidencias
sugiere que la educación es una condición necesaria, pero no suficiente, para erradicar el desempleo, y
su eficacia está intrínsecamente ligada a la calidad, pertinencia y adaptación a las demandas tecnológicas
y socioeconómicas del mercado.
En este escenario, se hace imperativo examinar la relación específica entre el nivel educativo y el
desempleo en el ámbito local. La mayoría de los estudios se centran en grandes metrópolis o análisis
nacionales, dejando vacíos de información en contextos microregionales con características sociales y
económicas diferenciadas. El objetivo general de esta investigación es determinar la influencia del factor
nivel educativo en el desempleo del distrito de Ascensión – Huancavelica.
El propósito fundamental de este artículo es generar conocimiento empírico y localizado que sirva de
base para la formulación de políticas públicas efectivas en el distrito de Ascensión. Los resultados
proporcionarán a las autoridades locales y regionales una comprensión más profunda de cómo la variable
Magaly Ethel Campos Motta y Rosa Cecilia Gaita Iparraguirre
57
educativa interactúa con la problemática del desempleo, permitiendo diseñar estrategias de
fortalecimiento educativo y programas de capacitación laboral más pertinentes y focalizados a la
realidad socioeconómica de Huancavelica.
MATERIAL Y MÉTODOS
Los datos fueron recolectados durante los meses de mayo, junio, julio, agosto y setiembre del año 2023.
La investigación se desarrolló bajo un diseño no experimental y de corte transversal, dado que no se
realizó manipulación alguna de las variables de estudio, limitándose a observar y analizar los fenómenos
tal como ocurrieron en un único momento del tiempo.
La recolección de información se llevó a cabo mediante la aplicación de encuestas en zonas urbanas del
distrito de Ascensión, específicamente en el centro de la ciudad, espacio que concentra la mayor
actividad económica, comercial y laboral del distrito. Este criterio permitió obtener información
representativa de la Población Económicamente Activa en un entorno clave del mercado laboral local.
Los modelos LOGIT son enfoques econométricos no lineales que emplean una función logística para
modelar probabilidades. Estos modelos se utilizan para estimar la probabilidad de que un evento ocurra
en función de una o más variables independientes. La función logística describe la relación entre la
variable dependiente y las variables explicativas mediante una función en forma de “S”, caracterizada
por su forma sigmoidea. La ecuación general del modelo LOGIT se expresa de la siguiente manera:
󰇛󰇜

La regresión LOGIT o regresión logística es una técnica estadística utilizada para predecir el valor de
una variable categórica en función de variables explicativas, que pueden ser tanto cuantitativas como
cualitativas. A diferencia de los modelos lineales probabilísticos (MLP), la regresión logística tiene la
ventaja significativa de garantizar que las probabilidades estimadas se mantengan siempre dentro del
intervalo [0,1]. Esto se debe a la naturaleza de su función logística, que transforma la función lineal en
una función sigmoidea que limita las predicciones a un rango adecuado de probabilidades. En contraste,
en los modelos lineales probabilísticos, el valor estimado puede exceder el intervalo [0, 1], lo que no es
interpretativo en términos de probabilidades reales. En el contexto de la regresión logística, la función
lineal MLP se convierte en una función z, que refleja las probabilidades de los eventos de interés
ajustadas por el modelo LOGIT.
    
Transformando en función logística:
Aunque la función logística en sí no es lineal, se puede transformar para obtener una forma lineal
mediante la utilización del estimador de mínimos cuadrados. Esta transformación se realiza a través de
la razón de probabilidad del modelo LOGIT, también conocida como "odds ratio". La razón de
probabilidad mide la proporción de éxito frente al fracaso y se define como:
Para linealizar la función logística en el modelo LOGIT, tomamos el logaritmo natural de ambos lados
de la igualdad que expresa la razón de probabilidad (odds). Partimos de la ecuación de la razón de
probabilidad, que es:

󰇛󰇜
Los sistemas de ecuaciones lineales como instrumento de modelización en la secundaria
58
El resultado más significativo del modelo Logit es la consecuencia marginal de cada factor exógeno,
que refleja cómo varía la probabilidad del evento de interés en respuesta a cambios en una variable
explicativa específica, manteniendo constantes las demás variables.
Al derivar la función, se obtiene:
󰇛󰇜󰇛󰇜󰇛󰇜
󰇛󰇜
Factorizando:
 󰇛󰇜
Leyenda:
: Probabilidad de empleo
󰇛󰇜: Probabilidad de desempleo
: Regresores o parámetros
La población estuvo conformada por 10 500 ciudadanos de 15 años a más pertenecientes al distrito de
Ascensión. Para la determinación del tamaño de la muestra se utilizó un muestreo probabilístico,
aplicando la fórmula para poblaciones finitas:
󰇛 󰇜
Leyenda:
n = Tamaño de la muestra
Z = Grado de confianza del 95% (1,96)
e = Error permisible (0.05)
p = Probabilidad de lograr el éxito (0.5)
q = Probabilidad de fracasar (0.5)
N = Tamaño de la población (10500) individuos que conforman la PEA
Se reemplazó todos los datos para determinar la muestra:
󰇛󰇜 󰇛󰇜󰇛󰇜
󰇛󰇜󰇛󰇜󰇛󰇜󰇛󰇜󰇛󰇜

El error permisible de 0.05 (5 %) fue seleccionado por ser un valor estándar en investigaciones sociales
y educativas, ya que permite lograr un equilibrio adecuado entre precisión estadística y viabilidad
operativa del trabajo de campo. A partir de esta fórmula se obtuvo una muestra de 367 ciudadanos,
quienes conformaron la Población Económicamente Activa analizada.
El instrumento que permitió recolectar la información necesaria para el desarrollo de la investigación
fue el cuestionario. De acuerdo con Muñoz (2015), el cuestionario es un instrumento de recolección de
Magaly Ethel Campos Motta y Rosa Cecilia Gaita Iparraguirre
59
datos que se basa en la estructuración de preguntas diseñadas para traducir los propósitos de la
investigación, de modo que las respuestas obtenidas reflejen información consistente y permitan
contrastar las hipótesis planteadas.
La técnica utilizada en el presente trabajo investigativo fue la encuesta, mediante la cual se formularon
preguntas escritas directamente relacionadas con la hipótesis de investigación. En la elaboración del
cuestionario se consideraron las variables estudiadas, así como sus respectivas dimensiones e
indicadores, con la finalidad de recolectar información pertinente y válida para el análisis del fenómeno
estudiado.
El análisis de los datos recolectados se realizó mediante el uso de estadística descriptiva e inferencial.
La estadística descriptiva permitió organizar y resumir adecuadamente la información obtenida,
facilitando la identificación de las principales características de la población de estudio. Por su parte, la
estadística inferencial permitió formular conclusiones para la población en general, a partir de los
resultados obtenidos en la muestra analizada.
La variable dependiente fue la condición laboral del individuo (empleo = 0; desempleo = 1). La variable
independiente principal fue el nivel educativo, medido a través de los años de escolarización formal y
clasificado en los siguientes rangos: 0 a 3 años (nivel inicial), 4 a 6 años (nivel intermedio de primaria),
7 a 11 años (nivel primaria), 12 a 15 años (nivel secundario) y más de 16 años (nivel superior
universitario).
RESULTADOS
Tabla 4
Resultados para Nivel educativo
Nivel educativo
Ciudadanos
%
¿Cuántos
años de
formación
académica
posee
usted?
Mayor a 16 años
Nivel superior
universitario
98
26.7%
De 12 a 15 años
Nivel
secundario
105
28.6%
De 7 a 11 años
Nivel primaria
104
28.3%
De 4 a 6 años
nivel intermedio
de primaria
19
5.2%
De 0 a 3 años
Nivel inicial
41
11.2%
Total
367
100.0%
Nota. Hallado en base a los resultados de la encuesta.
El análisis del nivel educativo mostró que la mayoría de los ciudadanos se concentró en los tramos
intermedios de formación. En efecto, el 28.6% declaró haber alcanzado entre 12 y 15 años de estudio,
seguido muy de cerca por el 28.3% que acumuló entre 7 y 11 años. Asimismo, un 26.7% afirmó superar
los 16 años de formación, reflejando un grupo con mayor capital humano acumulado. En contraste, los
niveles más bajos tuvieron menor presencia: solo el 5.2% reportó entre 4 y 6 años de estudios y un
11.2% manifestó contar con entre 0 y 3 años. Estos resultados evidenciaron que, en promedio, la
población encuestada había alcanzado un nivel educativo medio, con una proporción significativa que
logró superar la educación básica y acceder a estudios prolongados, lo que incidía directamente en su
dotación de capital humano dentro del mercado laboral.
Tabla 1
Resultados del modelo logit (desempleo=1; empleo=0)
Los sistemas de ecuaciones lineales como instrumento de modelización en la secundaria
60
Factor
Desempleo
Odds
ratio
p-
value
[95% Conf
Interval]
Sig
Nivel
educativo
¿Cuántos años de formación
académica posee usted?
0.046
0.00
0.009
0.229
***
Nota. Hallado en base a los resultados de la encuesta.
Respecto al modelo logit (desempleo = 1; empleo = 0), el nivel educativo mostró una asociación negativa
y altamente significativa (p < 0.01). El odds ratio de 0.046 indicó que, a mayor formación académica,
la probabilidad de estar desempleado se redujo de manera considerable, lo que resalta la importancia del
capital humano como factor protector frente al desempleo.
Tabla 2
Segundo modelo logit con evaluación parsiomoniosa (con coeficientes) (desempleo=1;
empleo=0)
Factor
Indicador
Coeficiente
(β)
Error
estándar
z
p-
valor
IC 95%
(LI – LS)
Nivel
educativo
¿Cuántos años
de formación
académica
posee usted?
(AÑOSFORM
A)
-2.3956
0.625
-3.83
0.000
-3.6205 –
-1.1706
Nota. Hallado en base a los resultados de la encuesta.
Del mismo modo, los años de formación académica mostraron un coeficiente β = –2.3956 (p < 0.001),
confirmando que a mayor nivel educativo se disminuyó significativamente la probabilidad de
desempleo. Esto coincide con los postulados de la teoría del capital humano, donde la inversión en
educación genera retornos en términos de empleabilidad.
Tabla 3
Nivel educativo y desempleo (con odd ratios) (desempleo=0; empleo=1)
Factor
Indicador
Odds
Ratio
p-
valor
Asociación
Nivel
educativo
Años de formación académica
0.091
0.000
Significativa
Nota. Hallado en base a los resultados de la encuesta.
En relación con el nivel educativo, los resultados mostraron que contar con mayor número de años de
formación redujo de manera considerable la probabilidad de desempleo. Esto evidencia que el capital
humano, en términos de educación formal, tuvo un efecto protector frente al desempleo en el distrito de
Ascensión.
DISCUSIÓN
Los resultados obtenidos del modelo LOGIT (Tablas 1, 2 y 3) demuestran una asociación negativa y
altamente significativa entre el número de años de formación académica y la probabilidad de estar
desempleado. Específicamente, los datos confirman que, a mayor nivel educativo, la probabilidad de
desempleo se reduce considerablemente. Este hallazgo central coincide plenamente con los postulados
Magaly Ethel Campos Motta y Rosa Cecilia Gaita Iparraguirre
61
fundamentales de la Teoría del Capital Humano y con la visión tradicional señalada en la introducción,
donde la educación es considerada un mecanismo clave para aumentar la empleabilidad (Gaviria &
Quingua, 2015). En el distrito de Ascensión, la inversión en educación, medida por los años de estudio,
sí funciona como un factor protector directo contra el desempleo abierto. Este resultado es consistente
con los hallazgos de Caldera (2020), quien demostró que el capital humano impacta negativamente la
probabilidad de desocupación en economías en desarrollo.
Si bien nuestros resultados establecieron una relación protectora, el contexto de Huancavelica,
caracterizado por altos niveles de pobreza y un mercado laboral dominado por la informalidad (INEI,
2023), sugiere que este efecto protector debe ser interpretado con cautela. La alta reducción en el
desempleo podría no traducirse necesariamente en un empleo de alta calidad o plenamente ajustado a la
calificación. Esta interpretación es crucial, ya que los estudios de Sánchez (2022) indican que la
influencia de la educación en la calidad del empleo depende de factores de conversión como la condición
de pobreza. En el contexto de Ascensión, es probable que la educación permita evitar el desempleo
abierto, pero obliga a los egresados a aceptar empleos precarios o subempleo dentro del vasto sector
informal, donde su alta cualificación no genera los retornos esperados, lo que se conoce como
sobreeducación (Pérez, 2023).
Los antecedentes señalaron que, a nivel global, ha crecido la asociación entre el paro y los estudios,
reflejando una disociación entre la lógica del sistema educativo y la lógica laboral (Funcas, 2023). En
Ascensión, la distribución de la población (Tabla 4) muestra que el 26.7% posee más de 16 años de
formación académica (nivel superior), lo que indica una alta dotación de capital humano. Sin embargo,
si bien este grupo tiene menor probabilidad de desempleo, su inserción se da en un mercado que, por su
naturaleza informal y limitada (INEI, 2023), no ofrece suficientes puestos formales acordes a esa
formación. Esto es especialmente relevante a la luz del análisis de la OCDE (2023), que subraya la
problemática del desajuste de habilidades como un motor del desempleo estructural, incluso entre
graduados. Esta situación sugiere que la disociación podría manifestarse no tanto en el desempleo
abierto, sino en el subempleo por cualificación, un fenómeno no capturado directamente por el modelo
LOGIT enfocado solo en la dicotomía empleo/desempleo. La baja calidad institucional de la oferta
educativa (Mendiola, 2020) podría exacerbar esta desconexión, produciendo titulados sin las
competencias reales del mercado local.
La estructura de la población encuestada (Tabla 4) mostró una concentración en los tramos intermedios
de formación (12-15 años: 28,6% y 7-11 años: 28,3%). Aunque el modelo LOGIT es general, los
estudios de García (2024) y Ruiz y Torres (2024) enfatizaron que los niveles formativos más bajos son
los que enfrentan una creciente precariedad y un mayor impacto negativo ante las crisis. En Ascensión,
la educación básica y técnica parece ser el umbral crítico para evitar la marginalidad laboral absoluta,
ya que el paso de 0-3 años a 7-11 años (o más) genera el mayor salto en la reducción del riesgo de
desempleo. López (2022) refuerza esta idea al identificar que, en zonas rurales y semiurbanas de Perú,
la calidad de la educación básica y técnica tiene una elevación más fuerte con la reducción del desempleo
que la universitaria. Además, Gómez (2021) observar que la educación técnica exhibe una mejor
compensación a corto plazo con la reducción del desempleo en sectores productivos, lo que sugiere que
fortalecer este tramo formativo es vital para la empleabilidad local.
La literatura resaltó que la falta de adaptación de la formación profesional a las demandas es una
debilidad estructural (García, 2024) y que la formación flexible se convierte en el principal seguro contra
el paro (Morales, 2021). Nuestros resultados, al confirmar el valor protector de la educación en general,
refuerzan la necesidad de que los programas educativos en Ascensión se centren en la adaptabilidad y
la pertinencia para el mercado local. El alto número de egresados con formación superior debe ser
complementado con habilidades que les permitan desempeñarse eficientemente en un entorno laboral
con un alto componente de emprendimiento y actividad informal, mitigando la frustración que Méndez
y Rojas (2022) notaron en los estudiantes que no encuentran trabajo a pesar de su escolaridad. La
adaptación curricular es urgente, especialmente considerando la advertencia del Banco Mundial (2024)
sobre el desplazamiento de empleos de baja cualificación por la automatización, haciendo
imprescindible la inversión en habilidades digitales y blandas.
Los sistemas de ecuaciones lineales como instrumento de modelización en la secundaria
62
El fuerte resultado estadístico de la educación ($\beta = –2.3956$) podría llevar a una conclusión
simplista: la solución al desempleo en Ascensión es simplemente aumentar los años de estudio. Sin
embargo, este enfoque ignora el contexto socioeconómico. Si el capital humano altamente formado
termina en el sector informal por falta de demanda de empleo cualificado, la política debe ir más allá de
la educación. Angeloni (2021) demostró que la resiliencia laboral post-crisis se encuentra en la
especialización de alta demanda. Además, Rodríguez (2024) encontró que la efectividad para mitigar el
desempleo se maximiza cuando la formación se articula con subsidios a la contratación y asesoría
empresarial. Por último, Cueva (2022) resalta la importancia de la educación bilingüe y culturalmente
relevante para acceder a empleos formales en proyectos de inversión en regiones andinas. Se requiere
una acción dual que combine la mejora de la calidad y pertinencia educativa con el fomento de la
diversificación productiva y la formalización económica en Huancavelica, para que el rendimiento de
esa inversión educativa se refleje en empleos de mayor calidad y no solo en una menor tasa de desempleo
abierta.
REFERENCIAS
Angeloni, R. (2021). Empleabilidad juvenil universitaria post-pandemia: Análisis de la
demanda digital y sectorial.
Banco Mundial. (2024). El futuro del trabajo: Automatización, inteligencia artificial y la
demanda de nuevas habilidades.
Caldera, P. (2020). Capital humano y desempleo: Un análisis empírico en economías en
desarrollo.
Cueva, L. (2022). El impacto de la educación bilingüe e intercultural en la inserción laboral
de las comunidades andinas.
Funcas. (2023). Informe sobre el desempleo juvenil y la disociación educativa.
García, A. (2024). La formación profesional no adaptada y la precariedad laboral: Un análisis
por niveles formativos.
Gaviria, A., & Quingua, S. (2015). El impacto del nivel educativo alcanzado en el índice de
calidad del empleo en el Perú. Revista de Economía, 45(2), 19–38.
Gómez, H. (2021). Educación técnica vs. universitaria: Una comparación de la evaluación con
la tasa de desempleo sectorial.
Instituto Nacional de Estadística e Informática. (2023). Perú: Evolución de la pobreza
monetaria 2011–2022.
López, A. (2022). Brechas de calidad educativa y desempleo en zonas rurales y semiurbanas
de Perú.
Mendiola, J. (2020). Proliferación institucional y calidad educativa: El efecto sobre la
subcualificación de egresados.
Méndez, L., & Rojas, F. (2022). El nivel de escolaridad y su incidencia en el futuro laboral de
los jóvenes: Opinión de estudiantes indígenas y no indígenas de nivel secundaria y
bachillerato de Tenango de Doria. Revista de Estudios Sociales, 10(3), 56–78.
Morales, E. (2021). La formación profesional como principal seguro contra el paro: Una
perspectiva de calidad.
Magaly Ethel Campos Motta y Rosa Cecilia Gaita Iparraguirre
63
Organización para la Cooperación y el Desarrollo Económicos. (2023). Desajuste de
habilidades y desempleo: Un desafío creciente para los graduados.
Pérez, S. (2023). El fenómeno de la sobreeducación y su impacto en el desempleo encubierto
en América Latina.
Rodríguez, M. (2024). Efectividad de los programas de capacitación laboral articulados en la
mitigación del desempleo en poblaciones vulnerables.
Ruiz, M., & Torres, J. (2024). Influencia de la formación en las perspectivas de inserción laboral
del colectivo joven. Revista de Investigación Educativa, 42(1), 123–145.
Sánchez, D. (2022). Influencia de la educación sobre el nivel de calidad del empleo asalariado
joven en Lima Metropolitana. Semestre Económico, 13(1), 98–115.